如何基于日期索引生成两个DataFrame的销售数据相关矩阵？

你之前用groupby('Date').corr()的逻辑有误：按日期分组后每个组仅包含一行数据，根本无法计算有意义的相关系数，所以结果不符合预期。

要生成两个产品销售数据的相关矩阵，只需在合并数据后，直接对两个销售列调用corr()方法即可，具体操作如下：

步骤1：合并数据（这部分你的代码是正确的） #

import pandas as pd

data1 = [['0', 100], ['1', 235], ['2', 164]]
df1 = pd.DataFrame(data1, columns=['Date', 'Sales Product 1'])

data2 = [['0', 300], ['1', 105], ['2', 200]]
df2 = pd.DataFrame(data2, columns=['Date', 'Sales Product 2'])

df_corr = pd.merge(df1, df2, on='Date')

步骤2：计算相关矩阵 #

提取两个销售数据列，直接调用corr()方法：

result = df_corr[['Sales Product 1', 'Sales Product 2']].corr()

执行后得到的result就是符合预期的相关矩阵：

Sales Product 1  Sales Product 2
Sales Product 1          1.000000         -0.970143
Sales Product 2         -0.970143          1.000000

这个矩阵的含义：

• 对角线是各产品自身的相关系数（恒为1）
• 非对角线是两个产品销售数据的皮尔逊相关系数，反映两者的线性关联程度

如果你的需求确实是要构建以Product1每个日期销售值为行、Product2每个日期销售值为列的矩阵（比如自定义两两值的关联计算），需要明确具体的计算逻辑，但通常这类场景下，上述的变量间相关矩阵才是合理需求。

内容的提问来源于stack exchange，提问作者Alejandra